基于EMD包络谱的飞行器健康诊断

针对飞行器结构系统声发射信号的非线性与非平稳特征,为实现飞行器结构部件的有效健康监测,提出了基于经验模态分解包络谱的飞行器健康诊断方法。该法首先对由声发射传感器募集到的飞行器关键部件原始声发射信号进行经验模态分解(EMD),提取其固有频率段的固有模态函数(IMF)信息,然后运用Hilbert变换对其进行处理得到各IMF的包络信号,由此可得其包络谱。通过包络谱的特征信息便可实现对飞行器结构部件的健康诊断。将该方法应用于某飞机真实水平尾翼疲劳试验所募集的声发射信号,结果表明,该法可监测出飞行器水平尾翼的健康状态,适用于飞行器结构部件的健康监测。

经验模态分解和AR模型在飞行器健康诊断中的应用

为了有效地诊断飞行器的健康状况,提出了一种基于EMD-AR模型和PNN的飞行器健康诊断新方法。该方法采用EMD(Empirical Mode Decomposition,EMD)将飞行器关键部件的声发射信号进行分解,得到多个内禀模态分量(Intrinsic Mode Function,IMF),对前两个IMF分量建立AR模型,采用U-C算法对AR模型进行参数估计,以模型主要的自回归参数和残差的方差构建特征向量;运用概率神经网络(Probabilistic Neural Network,PNN)对飞行器的健康状态进行诊断。通过对某型号真实飞行器关键结构部件的健康监测实验表明,该方法可以有效地诊断出飞行器关键结构部件的疲劳裂纹,从而证明了该方法的有效性。

基于EMD-ARMA模型的飞行器健康诊断

为了有效地对飞行器的健康状况进行诊断,将EMD-ARMA模型引入到飞行器健康诊断中,提出基于AR-MA(n,n-1)模型参数的健康诊断方法.采用EMD模型将飞行器关键部件的声发射信号进行分解,得到多个内禀模态分量IMF,选取包含主要信息的IMF分量建立ARMA(n,n-1)模型,采用长自回归模型法进行参数估计,得到模型主要的自回归参数,绘出模型参数的细化图用以健康诊断.对某型号真实飞行器关键结构部件的健康监测实验表明,该方法可以有效地诊断出飞行器关键结构部件的疲劳裂纹.

语文教育要以人为本 教文育人

近年来，中小学语文教育备受社会关注，改革呼声日渐高涨，语文教育如何改革？以我多年的实践和感受，我认为应从以下几个方面着手。